基于云边协同的新一代机载预测及健康管理架构设计

周国强， 王宇健， 周子涵

航空工业沈阳飞机设计研究所,辽宁 沈阳 110035)

下一代制空作战装备在未来我军装备体系中的一大重要定位是作为穿透性打击的重要装备击破敌方体系，同时在未来可以预见的高烈度冲突下，战争节奏快，战场环境复杂多变，火力猛烈精确，因此装备要具有远航久航、高杀伤力和强信息对抗等特点，这些新特点对机载故障预测与健康管理(Prognostics and Health Management，PHM)提出迫切的新需求，例如：远航久航需要关键故障实时预测，避免长时间留空时设备性能退化影响装备作战效能；高烈度战争中战场环境复杂多变，对安全状态感知提出了更高的自适应能力要求；随着战争节奏加快，当作为独立作战系统时，装备需要根据自身健康状态快速给出辅助任务决策，通过智能化的手段减轻飞行员操作负担。

根据上述需求分析，在传统机载PHM通过增强故障诊断保证“飞行安全、任务可靠、保障便利”的基础上，下一代制空作战装备机载PHM技术应进一步增强智能化水平，提升信息融合处理能力，实现关键故障精准预测、安全状态全面感知、辅助任务决策快速生成。

目前，传统机载PHM部分划分为飞机级、区域级和成员级3个层次，强调通过增强故障诊断和状态监测提升飞机诊断能力。而面向下一代制空作战装备机载PHM功能需求存在以下问题：一是面向新需求，传统机载PHM具有的状态监测和增强故障诊断功能无法满足，需要进行能力提升；二是新增能力需要采集更多的趋势分析数据、寿命信息等，且机载设备数据爆发式增长，预计会达到TB级别，大规模数据传输会占用大量总线带宽；三是传统机载PHM中区域级和飞机级管理器无论飞机有无故障都要一直处理数据、诊断推理，占用大量的计算资源，而新增能力需要运行机器学习等人工智能算法，复杂的运算逻辑将会占用更多的计算资源，影响机载计算资源余量；四是传统架构中一旦飞机级管理器故障，会导致全机健康状态无法准确感知。因此急需设计一种具备更高信息处理能力的机载PHM架构，开展数据与模型混合驱动的机载系统处理、网络、软件的统一架构设计，形成分布式智能系统全机统一架构系统方案，实现将整个系统融为一个具有综合高性能的柔性整体的无节点网络中心。

分级分布、灵活可组是下一代制空作战装备机载架构的发展趋势，云边协同是一种可以支撑开放式统一系统架构的典型方法。云计算服务是一种集中式服务，所有机载健康数据都通过网络传输到云计算中心进行处理[1]。然而，面对数据的爆发式增长，基于云计算模型的聚合性服务逐渐显露出了其在实时性、网络制约、资源开销上的不足。边缘计算是指在网络边缘执行计算的一种新型计算模型，这里的边缘是指从数据源到云计算中心之间的任意资源，其操作对象包括来自于云服务的下行数据和万物互联服务的上行数据。边缘计算模型和云计算模型两者是互补关系[2]，边缘计算节点对海量机载健康数据的处理可对云计算中心进行支撑，而云计算中心强大的计算能力和海量存储能力也可为边缘计算提供支持。云边协同的联合式网络结构在支撑开放式统一系统架构的同时，可以有效减少机载健康数据传输并可合理地动态分配计算资源，因此本文提出了一种基于云边协同的新一代机载PHM架构。

1 云边协同概述及研究现状

云边协同的PHM架构可以用较小的代价解决未来数据爆发式增长以及现有机上PHM结构实现新功能将需要占用大量计算资源的问题，因此研究云边协同的PHM架构是相当必要的。首先简要介绍一下云边协同的含义，边缘计算为云计算范式的延伸，它将资源和服务从云端的核心网络中引入到设备端,是一个虚拟化的平台，提供存储、计算和网络服务[3]。边缘计算在云计算的统一规划下，遵照就近原则，节省数据传输的时间并减少占用带宽资源，提高了系统的时效性且节省了成本，实现了装备的“局部自治”；反过来云计算在边缘计算的辅助配合下，将自身强大的计算能力充分发挥，为边缘侧分配对应计算资源，保证体积小的边缘计算节点也可以有足够的能力处理设备数据。边缘计算和云计算协同发挥自身的优势，互相弥补不足，为装备机载PHM架构的实现提供了一种全新的解决方案。

施耐德电气与微软Azure共同研发的Realift Rod Pump控制器在网络边缘实现了设备运行状态实时分析和预测，目前已经在油田行业中进行试点应用。华为使用智能网关提供智能服务，对维护对象的关键参数进行实时监测和分析，预测维护对象可能出现的故障，并进行信息上报。云计算中心根据多个对象的综合信息进行全面评估，并能不断迭代和优化边缘节点运行的预测算法，实现动态部署[2，4]。GE公司在2012年推出了第一个为工业企业提供应用和服务的工业物联网大数据分析平台——Predix平台[5]，分为边缘端、平台端和应用端3大部分。在2015年，GE公司将发动机的诊断数据迁移至Predix平台，对发动机工作状态进行监控，通过准确快捷的分析来捕捉更多有价值的数据，为发动机提供异常预警。

2 机载PHM功能架构设计

2.1 传统机载PHM功能架构设计

以F-35为代表的典型4代机PHM功能架构采用基于状态维修的架构思想，将PHM系统工作原理划分为7个逻辑层次，包括：数据采集、数据处理、状态监测、健康评价、故障预测、决策生成、接口/表达。其中机载PHM功能架构如图1所示，具体功能如下。

图1 传统机载PHM功能清单

① PHM数据采集、存储：采集、存储与PHM系统相关的各类数据，包含模型算法等。

② 状态监测：基于飞机状态信息，判断目前状态与预期是否一致，从而实现故障/异常检测的目的。

③ 增强故障诊断：在成品BIT能力有限的情况下，强调系统级、飞机级的诊断能力，通过增强故障诊断实现故障诊断和抑制虚警的目的。

④ 消耗品和故障信息回传：在飞机返航阶段，将消耗品使用情况和故障信息提前回传至地面，触发保障系统提前准备。

传统机载PHM功能架构存在的问题包括：① 只进行了增强故障诊断和状态监测，未进行故障预测和设备故障影响分析，无法实时评估飞机剩余任务能力和健康状态，以及响应故障状态进行辅助任务决策；② 区域级管理器中故障诊断模型是固定不变的，不能根据外部环境、工况和飞机执行任务动态调整，诊断能力有进一步提升的空间。

2.2 新一代机载PHM功能架构设计

为在未来高烈度战场环境和资源有限的地勤保障环境下保障航空装备飞行员和飞机的生存能力，满足未来先进航空装备智能检测与健康管理需求，具备在产品性能恶化前故障动态管理、故障条件下软硬件资源在线重构能力，以及装备健康状态和剩余任务能力综合评估能力，支持未来先进航空装备故障在线管理、智能化自主作战、敏捷保障等作战使用要求，新一代机载PHM功能补充了故障预测、健康评价、辅助任务决策能力，具体如下。

① 故障预测能力：实时给出设备故障预测发生时间，及时对故障进行管理控制，同时便于地面准备保障资源，减少再次出动准备时间。

② 健康评价能力：依据飞机装备功能原理与故障机理，以增强故障诊断、状态监测、故障预测等设备级状态信息为输入，分析机载健康状态传递关系，实时感知设备级健康状态对装备级功能状态的影响。

③ 辅助任务决策能力：通过动态分析各分系统之间的容错和重构策略，准确感知系统健康状态，以最大限度保全飞机安全运行、最高任务的完成度等作为输入信息，综合评估飞机的剩余任务能力，支持作战任务动态决策和机务准备放飞决策。

基于云边协同机载PHM系统功能逻辑层次如图2所示，主要包括物理资源层、虚拟资源层、边缘计算层、云计算层和用户层[6-7]。

图2 基于云边协同的机载PHM系统功能逻辑层次

其中，物理资源层主要提供面向PHM的知识、软件和硬件资源；虚拟资源层通过将物理资源云端化、虚拟化封装，将资源转变为平台可识别的形式，为后续边缘计算和云计算的调用提供支撑；边缘计算层主要具备数据处理、故障预测等基础PHM能力，可将诊断、预测等结果上传至云计算层，有效减少机载健康数据传输，同时接收云计算层下传的控制指令；云计算层具备健康评价、辅助任务决策、动态统筹规划等顶层PHM能力，接收边缘节点诊断、预测等结果进行综合处理得到健康评价结果等，上传至用户层，同时接收用户层下传的操作、指令，并处理形成如资源调度、诊断策略优化等控制指令进一步下传至边缘节点，合理动态分配计算资源；用户层则为用户提供人机交互界面，主要面向飞行员、地勤人员等，接收云计算层健康评价结果，辅助任务决策结果等，做出判断并进行操作、指令等，下传至云计算层[8]。

3 机载PHM物理架构设计

3.1 传统机载PHM物理架构设计

以空客A340为代表的民机中央维护系统普遍采用集中式机载PHM架构，飞行管理系统将功能失效信息发送至中央维护计算机(Central Maintenance Computer,CMC)，CMC同时还接收操作数据、综合参数和维护数据，进行综合处理后得出的LRU故障结果[9]。空客A340中央维护系统架构如图3所示。

图3 空客A340中央维护系统架构

以F-35为代表的军机普遍采用集中-分布式架构，成员层将有关信息直接交给区域级管理器，各区域级管理器将区域故障信息经过整理后传送给飞机级管理器，综合确认并隔离故障，最终形成维修信息和供飞行员使用的知识信息[10]。F-35机载PHM物理架构设计如图4所示。

图4 F-35机载PHM物理架构

3.2 基于云边协同的机载健康管理物理架构设计

为了保证不同任务层级的数字化装备能够顺利地完成组网、资源分配、协同计算等服务，并满足各种类型的作战任务需求，在F-35机载PHM物理架构基础上，将区域层取消，进行扁平化处理，根据不同故障诊断和故障预测需求在设备、子系统或分系统处设置边缘计算节点，并将飞机级管理器替换为云端健康管理模块，基于云边协同的机载PHM物理架构如图5所示[11-12]，图5中列举了典型的边缘侧计算节点，部分边缘计算节点间可共享健康数据，如供电-发动机-液压及供电-任务等，各边缘计算节点将故障诊断及预测信息整理后发送给云计算层。云计算层通过对接收信息进行处理分析，综合生成控制指令再反馈给对应边缘节点，快速生成供飞行员使用的辅助任务决策并将故障信息等传送给地面PHM系统。

图5 基于云边协同的机载PHM物理架构

针对上文所描述的集中式、集中分布式和基于云边协同3种机载PHM物理架构进行对比，如表1所示。

表1 机上PHM物理架构对比

综合来说，在可合理设置边缘计算节点位置和分配计算资源的条件下，为满足机载复杂逻辑运算和大规模数据传输需求，基于云边协同的机载PHM物理架构比较有优势且适用于下一代制空作战装备。

4 新一代机载PHM关键功能运行逻辑设计

新一代机载PHM系统的运行基于飞机装备健康数据的高效处理，依托云边协同的机载架构，具备“实时状态感知能力强、全机敏捷协同工作效率高、动态调整环境适应性好”等特点，重点针对辅助任务决策、增强故障诊断和故障预测等典型功能运行逻辑进行规划。

4.1 辅助任务决策运行逻辑

为方便说明辅助任务决策运行逻辑，将图5简化为图6所示的基于云边协同的机载PHM物理架构。

图6 基于云边协同的机载PHM物理架构

规划基于云边协同的机载PHM辅助任务决策运行逻辑如图7所示[4,13]。

图7 基于云边协同的机载PHM辅助任务决策运行逻辑图

所有边缘计算节点都运行诊断程序，并将结果传向云端健康管理模块；当有边缘计算节点检测到故障征兆时，进行故障预测，并将结果上传至云端，云端开始辅助任务决策，预测剩余任务能力，提前进行故障管理，避免故障蔓延，合理规划后续任务执行；当有边缘计算节点上报故障时，云端控制系统响应失效开展故障管理，例如进行系统重构、故障恢复等操作；云端下达控制指令，相关边缘计算节点协同工作，保证飞机安全与任务执行，同时云端收集机载健康数据，评估失效影响，分析剩余任务能力，辅助决策是否继续执行任务。

4.2 增强故障诊断及故障预测运行逻辑

云边协同模式下，可以动态调整边缘侧增强故障诊断和故障预测模型，使诊断和预测结果更加准确，同时也会使健康评价结果更加精准。以典型系统为对象，规划基于云边协同增强故障诊断运行逻辑如图8所示[14-15]。

图8 基于云边协同的增强故障诊断运行逻辑图

发动机边缘计算节点收集转速、温度等参数，在边缘计算层首先进行数据处理，然后进行数据分析，如果发动机进口温度等参数符合当前故障诊断模型，则边缘层进行增强故障诊断，并给出结果；否则将发动机相关参数传到云计算层，同时云计算层收到从飞控系统和任务系统上传的环境、工况及任务信息，进行数据处理，以及环境、工况及任务综合分析，生成控制指令更新边缘增强故障诊断模型，给出故障诊断结果，并将故障信息和消耗品回传至地面PHM系统。

5 结束语

下一代制空作战装备机载PHM需求由机载增强故障诊断保证任务可靠、保障便利向飞机剩余任务能力实时评估、辅助任务决策快速生成转变，而目前传统机载PHM架构为满足新需求存在机载健康数据传输会占用大量总线带宽和关键功能占用大量的计算资源的问题。云边协同是一种可以支撑开放式统一系统架构的典型方法，符合下一代制空作战装备机载架构的发展趋势，可以有效减少机载健康数据传输并可合理动态分配计算资源。在传统机载PHM的基础上，笔者提出了一种基于云边协同的新一代机载PHM功能及物理架构，进行对比分析，并阐述关键功能运行逻辑。

下一步的研究重点工作包含以下几个方面：

① 设计适应边缘计算特点的虚拟化技术。边缘计算的能力有限，虚拟化技术应最大化资源利用率，使有限的资源在同一时间内满足更多的需求。

② 基于边缘技术的传输优化技术研究与实现。利用边缘计算网络功能虚拟化技术，针对不同类型的设备和应用场景，提供灵活的接入方式与精细化的管理能力。

③ 云边协同的算力网络技术研究与实现。将分布在不同位置的边缘节点与云层连接起来，实现全网计算、存储、网络资源的统一调配，形成算力网络。